[发明专利]一种基于区域性多策略的物流配送路径规划方法

摘要

一种基于区域性多策略的物流配送路径规划方法，首先，针对车辆配送路径优化问题，根据配送点和车辆对问题进行编码，将其转化为算法可以优化的变量；然后，针对配送路径优化模型，设计基于区域性多策略的差分进化算法，通过分区将相似的个体归为一类，从而在变异过程中，从不同类中选取个体来指导变异，同时，对每个个体采用两种不同的变异策略生成测试个体，并选择较优的测试个体进行更新，不仅能够提高算法搜索效率，而且还可以增加种群多样性，避免早熟收敛；最后，根据编码规则对优化所得到的最优解进行解码，从而得到最优配送路径方案。本发明提供一种搜索速度较快的，且结果可靠的基于区域性多策略的物流配送路径规划方法。

主权项

1.一种基于区域性多策略的物流配送路径规划方法，其特征在于：所述路径规划方法包括以下步骤：1)以所有配送车辆的总路程最短为目标建立如下目标函数：其中，为配送车辆数量，q_i表示第i个客户的所需货物的重量，α∈[0,1]为约束因子，表示向下取整；r_ki表示客户点在第k辆车配送的客户顺序中为第i个，r_k0表示配送中心，n_k表示第k辆车配送的客户数量，表示第k辆车配送的第i个客户和第i‑1个客户之间的距离，表第k辆车配送完n_k个客户后返回配送中心的路程，sign(n_k)为决策变量，如果第k辆车没有进行配送任务，则取0，反之均取1；配送模型的约束条件为：每辆车配送的货物重量小于其最大载重Q，且每辆车的配送路程小于其最大可行驶路程D，每辆车的配送客户数量小于需要配送的总客户数量L，每个客户都要被配送，且每个客户只能被配送一次；2)编码：用数字1表示配送中心，2,3,4,…,L+1表示各客户点，则配送路径编码为(1,2,3,4,1,5,6,7,1,8,…,L+1,1)，其中1的数量为K+1，(1,2,3,4,1)表示第一辆车的配送路径为第1个客户点到第2个客户点，再到第3个客户点，以此类推；3)通过xs＝(1,2,3,4,1,5,6,7,1,8,…,L+1,1)表示配送方案，其中xsj,j＝1,2,...,L+K+1表示xs的第j维元素；4)种群初始化，生成NP个初始配送方案，过程如下：4.1)从K辆车中随机选择K/2辆，然后对其在xs中对应的配送顺序进行随机排序，从而生成一种新的配送方案；4.2)检查4.1)中产生的方案是否与已有方案相同，若相同，则重新执行步骤4.1)，直至产生与已有方案不同的方案为止；4.3)判断4.2)中产生的方案是否满足步骤1)中的约束条件，若满足，则记为一个初始个体xm；若不满足，重新执行步骤4.1)‑4.2)，直至产生一个满足约束条件的个体为止；4.4)若产生满足条件的个体数量达到NP，则组建初始种群P＝{x1,x2,...,xNP}，其中NP为种群规模，种群P中的每一个个体xm均表示一种配送方案；否则执行步骤4.1)‑4.3)，直到满足条件的个体数量达到NP；5)计算当前种群中每两个不同个体之间的欧氏距离，并计算平均值dave；6)对当前种群中的每个个体xm进行分区，过程如下：6.1)如果个体xm不属于任何分区，则计算它与其它也没有分区的所有个体之间的欧氏距离；6.2)比较步骤6.1)中计算的各距离与dave之间的大小，若距离小于dave，则将对应的个体归为xm的分区；6.3)重复执行步骤6.1)‑6.2)，直到所有个体都有分区为止，并将分区数量记为Z；7)对当前种群中的每一个目标个体xm,m＝1,2,...,NP进行如下操作：7.1)若xm所在的分区中个体的数量大于2，则从此分区中随机选择一个与自己不同的个体xa；7.2)从其它Z‑1个分区中随机选择一个分区，并从被选中的分区中随机选择一个个体xb；7.3)从其它Z‑2个分区中随机选择一个分区，并从被选中的分区中随机选择一个个体xc；7.4)对个体x_m中不为1的元素x_mj进行变异生成第一个变异个体其中F为步长因子，表示目标个体x_m的第一个变异个体的第j维元素，x_aj、x_bj和x_cj分别表示种群个体x_a、x_b和x_c的第j维元素，且x_aj、x_bj和x_cj均不等于1；7.5)根据式(1)计算所有个体的目标函数值，并根据目标函数值从个体数量最多的分区中选取目标函数值最小的个体xZbest：7.6)从除了xZbest所在的分区以外的Z‑1个分区中随机选择一个分区，并从其中随机选取一个个体xd；7.7)从除了步骤7.5)和7.6)所选的分区以外的Z‑2个分区中随机选择一个分区，并从其中随机选取一个个体xe；7.8)对个体x_m中不为1的元素x_mj进行变异生成第二个变异个体其中，表示目标个体x_m的第二个变异个体的第j维元素，x_dj、x_ej和分别表示种群个体x_d、x_e和x^Zbest的第j维元素，且x_dj、x_ej和均不等于1；8)对变异个体和目标个体x_m进行交叉，过程如下：8.1)生成测试个体其中表示第t个测试个体的第j维元素，表示第t个变异个体的第j维元素，rand(0,1)表示0到1之间的随机数，CR表示交叉概率，j_rand表示1到L+K+1之间的随机整数；8.2)如果测试个体的各维元素中除了1以外的元素有小于1或者大于L+1的元素，则从1到L+1之间随机生成一个数字进行替换，直到所有除了1以外的元素均在1和L+1之间为止；8.3)如果测试个体的各维元素中除了1以外的元素有相同的元素，则从1到L+1之间随机生成一个与其他元素不同的数字进行替换，直到除了1以外的元素互不同为止；9)根据公式(1)分别计算测试个体和所对应的路线的目标函数值，选择目标函数值较小的测试个体记为U_trial；10)如果Utrial的目标函数值小于目标个体xm的目标函数值，且Utrial满足步骤1)中的约束条件，则Utrial替换目标个体xm；11)对种群中的每个个体都执行完步骤7)‑10)以后，迭代次数g＝g+1；12)如果满足终止条件，则继续步骤13)，否则返回步骤5)；选出当前种群中目标函数值最小的个体进行解码，其中第1个1和第2个1之间的数字表示第1辆车的配送路线，第2个1和第3个1之间的数字表示第2辆车的配送路线，以此类推，则第K个1个第K+1个1之间的数字表示第K辆车的配送路线，其中1与1之间的数字表示配送点，1表示配送中心。